推倒它自己会爬起来：百元开源不倒翁，实机复测这版没做

一个巴掌大的两轴机器人，被你一巴掌拍倒，它自己撑地、翻身、站起来。不是预设动画，是强化学习训出来的策略在实时跑。GitHub

11月9日，B站UP主"灯哥开源"把整套东西放上了 GitHub，仓库名 RL_SelfRisingRobot_StackForce，10日晚上发视频，不到一天播放两千出头。数字不算炸，但它把"强化学习"的门槛价压到了百元以内。哔哩哔哩GitHub

先说钱

自己配料：ESP32 开发板一块（接线图按 LOLIN32 Lite 画）、BNO055 姿态传感器一块、MG90S 舵机两只、独立稳压 5V 电源一个，加上线材、螺丝、舵盘，仓库把预算标成"一百元以内"。

另有套件版，淘宝在售 69 元，集成底板更紧凑，能装电池无线跑。但组装教程不在仓库里，得买完联系客服领。GitHub

结构就四个打印件：底座、底盖、中间连杆、上部连杆，STL 和 STEP 都给了，毫米单位、100% 比例打。

接线没什么坑：BNO055 的 SDA/SCL 接 GPIO19/22；下面那只舵机（策略里编号 A0）接 GPIO25，上面那只（A1）接 GPIO26。仓库特意要求舵机走外部 5V、和 ESP32 共地，别图省事从开发板取电。GitHub

真正省事的是那个网页

烧录不用装 Arduino IDE，不用配 Python 环境。Chrome 或 Edge 打开 sim2real.stackforce.cc，USB 插上板子，选"ESP32 · 4MB"，点安装固件，网页直接把 bootloader、分区表、控制器这几段 bin 写进去。之后同一个页面里校舵机中位、切正反向、传 ONNX 策略、点运行。GitHub

策略是现成的：50Hz 控制，10 维观测、10 维输出，其中真正驱动舵机的只有 2 维，另外 8 维是状态量。仓库连 sha256 都列出来了。

一句提醒：仓库自己声明，发布包里不含作者个人的 NVS 和校准数据。舵机中位、BNO055 安装朝向，你必须自己校，教程第五步就是干这个，别跳。BNO055 只能固定在底座上跟着底座一起动，装到上面那根活动杆上，姿态直接废掉。GitHub

这套东西不是他发明的

得说清楚。原版是日本开发者 HomeMadeGarbage 的 SelfRisingRobot，机器人叫"poco"，2026年6月的博客写得很细：Fusion 建模，MuJoCo 里搭 Gymnasium 环境，用 Stable-Baselines3 的 PPO 训起立动作，环境搭建和奖励设计整个丢给 OpenAI 的 Codex 写。HomeMadeGarbage 博客

实机跑在自带 IMU 的 M5Atom 小板上，配两只微型舵机，仿真里训好的起立策略直接搬过去就跑通了。GitHub

原作者还记了一笔：实机用欧拉角，倾斜超过 90° 会撞万向锁，爬起来有点别扭。HomeMadeGarbage 博客

灯哥的仓库在"来源与许可"里直接写了"起立策略源于 HomeMadeGarbage 的 SelfRisingRobot 项目"，release-manifest 里那条 source 精确指到原仓库的某个 commit。打印结构改型按 GPL-3.0-only 授权，固件和运行脚本另有 license，第三方出处单列一个 THIRD-PARTY-NOTICES.md。出处交代到这个程度，算规矩。GitHub

他加的是另外三样：把结构改成能用随处买得到的 MG90S；把整套部署做成网页；还有 SimReady——网页里配观测、动作、训练参数，能导出 MJLab、Isaac Lab、Isaac Gym 三种强化学习工程，也能直接在网页里训，任务跑在你本地连上去的 runner 上。GitHub

但有三件事，仓库自己写了没做完

第一，release-manifest.json 里 newPhysicalFlashOrMotionTest 那一栏，值是"not performed for this release"。这版发布没重新跑实机烧录和运动测试。GitHub

第二，仿真过了，但只是冒烟测试：15000 步物理、750 次策略推理，scope 一栏原话是"not a mechanical recovery acceptance test"，不是机械起立验收。离屏渲染那项还是 failed，报 shadow framebuffer 0x505。

第三，README 明说：训练模板本身训练、回放、导出都通了，但训练完到部署的"一键交接仍有兼容性问题待修复"。现阶段建议先用仓库配套的策略复现实物，自己训的结果另存、另验。GitHub

所以值不值

想花 69 元买个会自己爬起来的桌面小玩意儿，能买，套件版省事。想借它把强化学习从论文拉到手边，也能——仿真、训练、验证、部署四个环节在一个巴掌大的机器人上走完一遍，百元预算里目前找不到第二个这么完整的。

但别把它当开箱即用的强化学习平台。它现在的状态是：复现路径完整、出处干净、局限自己交代清楚。真正贵的从来不是那两只 MG90S，是别人已经把奖励函数调通、策略训好、导出成 ONNX 摆在仓库里——省掉的，就是你自己撞墙那两周。

仓库文档最后更新是 11 月 10 日。想动手的，先看一眼那三行"没做完"，再决定下单还是先跑网页仿真。